Skip to content

一个生产级、高性能、模块化、可扩展的中文NLP工具包。(中文分词、平均感知机、fastText、拼音、新词发现、分词纠错、BM25、人名识别、命名实体、自定义词典)

License

mayabot/mynlp

Repository files navigation

Mynlp: 高性能、可扩展的中文NLP工具包

mynlp badge all mynlp mynlp

mynlp banner
Note
访问完整在线文档 mynlp.mayabot.com

QQ群(2):747892793

安装

该章节介绍如何安装和简单使用mynlp的基础功能。

mynlp已经发布在Maven中央仓库中,所以只需要在Maven或者Gradle中引入mynlp.jar依赖即可。

Gradle
compile 'com.mayabot.mynlp:mynlp:4.0.0'
Maven
<dependency>
  <groupId>com.mayabot.mynlp</groupId>
  <artifactId>mynlp</artifactId>
  <version>4.0.0</version>
</dependency>

因为资源文件较大,所以mynlp.jar包默认不包括资源文件(词典和模型文件)依赖。

懒人方案,通过引用mynlp-all依赖默认提供的资源词典,满足大部分需求。

依赖 mynlp-all
compile 'com.mayabot.mynlp:mynlp-all:4.0.0'

词典和模型资源

Table 1. 词典&模型资源列表
Gradle 坐标 mynlp-all依赖 文件大小 说明

com.mayabot.mynlp.resource:mynlp-resource-coredict:1.0.0

Y

18.2M

核心词典(20w+词,500w+二元)

com.mayabot.mynlp.resource:mynlp-resource-pos:1.0.0

Y

17.5M

词性标注模型(感知机模型)

com.mayabot.mynlp.resource:mynlp-resource-ner:1.0.0

Y

13.4M

命名实体识别(人名识别、其他NER)

com.mayabot.mynlp.resource:mynlp-resource-pinyin:1.1.0

Y

272K

拼音词典、拼音切分模型

com.mayabot.mynlp.resource:mynlp-resource-transform:1.0.0

Y

478K

繁简体词典

com.mayabot.mynlp.resource:mynlp-resource-cws:1.0.0

N

62.4M

感知机分词模型

com.mayabot.mynlp.resource:mynlp-resource-custom:1.0.0

N

2.19M

自定义扩展词库

根据实际的需要,按需引入资源包。

一个Gradle引用的例子
compile 'com.mayabot.mynlp:mynlp:3.2.0'

// 核心词典
implementation 'com.mayabot.mynlp.resource:mynlp-resource-coredict:1.0.0'

// 词性标注
implementation 'com.mayabot.mynlp.resource:mynlp-resource-pos:1.0.0'

// 命名实体
implementation 'com.mayabot.mynlp.resource:mynlp-resource-ner:1.0.0'

// 拼音
implementation 'com.mayabot.mynlp.resource:mynlp-resource-pinyin:1.1.0'

// 繁简体转换
implementation 'com.mayabot.mynlp.resource:mynlp-resource-transform:1.0.0'

// 感知机分词模型
//   implementation 'com.mayabot.mynlp.resource:mynlp-resource-cws:1.0.0'

// 自定义扩展词库
//   implementation 'com.mayabot.mynlp.resource:mynlp-resource-custom:1.0.0'

访问完整在线文档

致谢以下优秀开源项目

  • HanLP

  • ansj_seg

mynlp实现参考了他们算法实现和部分代码

About

一个生产级、高性能、模块化、可扩展的中文NLP工具包。(中文分词、平均感知机、fastText、拼音、新词发现、分词纠错、BM25、人名识别、命名实体、自定义词典)

Topics

Resources

License

Stars

Watchers

Forks

Contributors 4

  •  
  •  
  •  
  •